背景：隨著sq、wx平臺手游上線游戲數量的爆發，為了更精準地抓取目標用戶，并且獲得外部用戶，避免平臺和市場資源浪費，找到用戶并且針對性、精準性投放。
1、測試包分層思路：基于目前已經規劃的核心、次核心、潛在進行分層提包，借助數據中心或平臺的標簽對分層用戶進行提包，通過平臺進行投放驗證。用戶分層方式有兩種：
①自定義分層
基于經驗劃分和已有玩家畫像標簽，利用技術手段，抓取相關玩家，在此基礎上分包導入和跟蹤。根據過往游戲經歷將用戶分成核心、次核心、潛在，共11個用戶類型。
②模型包分層
基于目前已有的核心用戶包，通過建模方法，對用戶分類、結合導入后數據，判斷用戶質量。根據核心用戶屬性對大盤用戶賦值（0-1），數值越高，用戶越核心。
2、用戶分層的類型以及如何選擇（游戲特征和對游戲的理解決定分層時期和方式，測試前為驗證性、測試后為探索性）
測試前----自定義分層：①游戲理解：對游戲玩法和核心用戶有明確的認知和預期；非全新品類。②資源需求：尚無一定量級的核心用戶群；有充分的時間。
測試前---建模分層：①游戲理解：游戲玩法清晰有特色②已有一定量及的核心（預約）用戶，適于公測期間，可結合自定義分層同步進行。
測試后---二次分析：①游戲理解：對核心用戶無確定認知，探索行之的分層；全新品類；②資源需求：適用于較前期測試，投放一定量級的隨機包；可輔助前兩種分層方式。
3、不同分層方法的優劣勢：
自定義分層：定義明確，清晰看到各層用戶的游戲數據表現；但是，用戶選取缺乏隨機性，主觀性強，容易遺漏；同時，與預期不符的結果難以解釋；但業務數量級（10W）
建模分層：不需要有明確理解，大數據分析可靠，而且可與自定義分層同步進行；但是，對數據源的無偏性依賴大，只能獲取平臺內玩家，理解有難度。
二次分析：可輔助前兩種分層方式，隨機保的轉化率和留存等數據有較好的代表性，且不需要提前對目標用戶做預估；在分析工作量大，時間長，隨機包的轉化率偏低。
4、可獲取的數據類型
①內部數據
單個業務特性數據---需求詳細，時間明確
eg：某游戲月活躍（1.1-1.31），非付費，進一個月（1.1-1.31）活躍大于5天用戶
手游品類數據---半年活躍
eg：AEPG、MOBA、酷跑，每周自動跑品類半年活躍用戶，輕中重度用戶
端游品類用戶---半年活躍
eg：端游MMO、端游體育、端游槍戰，每周自動跑半年活躍用戶，分輕中重度用戶
手游大盤活躍（可分平臺系統，可自選時間段）
其他數據--畫像屬性
②外部數據
外部手游數據---實時提取（只有抽樣安裝數據，只有游戲類app數據，其他app數據暫無；可實時響應）
外部頁游數據---需加監控（僅PC端數據、周起為兩周、可根據URL和關鍵詞搜索、非游戲數據可監控、數據量小）
外部端游數據---加監控（監控一周，提供進程名、以月為單位更新、未必有數據）
③其他數據
QQ群數據---需加監控（字符順序性、可間隔性；周四前提供數據）
模型包數據---來源于數據挖掘中心、需要有部分核心用戶
瀏覽器非游戲數據--QQ瀏覽器監控，兩周周期，根據URL和關鍵詞搜索
視頻/動漫數據--來源于騰訊視頻/騰訊動漫，實時提取，只能根據已有分類進行提取
④各種交叉數據
5、常見的分層邏輯
核心用戶：目標IP核心用戶、外部競品核心用戶、核心玩法用戶、預約用戶、核心品類的中重度用戶
次核心用戶：目標IP次核心用戶、核心品類輕度用戶、相關品類的中重度用戶、外部競品次核心用戶
潛在用戶：相關品類手游的輕度用戶、非相關品類的手游用戶、手游大盤隨機用戶
分層邏輯優化：
提需求關鍵因素：
6、單業務分層用戶跟蹤指標
關鍵指標：用戶轉化率、留存數據、付費數據
